9
Menurut Syarif 2014, masing-masing fitur dari citra tersebut didapatkan melalui proses ekstraksi fitur yang tidak mudah, karena satu citra dapat mempunyai
multiple feature
. Proses ekstraksi fitur yang baik dan benar dapat menentukan keberhasilan dalam membangun suatu aplikasi citra digital.
2.2 Ekstraksi Fitur
Ekstraksi fitur merupakan proses pengindeksan suatu
database
citra dengan isinya. Secara matematik, setiap ekstraksi fitur merupakan
encode
dari vektor n dimensi yang
disebut dengan vektor fitur. Komponen vektor fitur dihitung dengan proses citra dan teknik analisis serta digunakan untuk membandingkan citra yang satu dengan citra
yang lain. Ekstraksi fitur diklasifikasikan kedalam 3 jenis yaitu
low level, middle level
dan
high level
. Fitur
low level
merupakan ekstraksi fitur berdasarkan isi visual seperti warna dan tekstur, fitur
middle level
merupakan ekstraksi fitur berdasarkan wilayah citra yang ditentukan dengan segmentasi, sedangkan fitur
high level
merupakan ekstraksi fitur berdasarkan informasi semantik yang terkandung dalam citra
Kusumaningsih, 2009. Menurut Acharya 2005, warna merupakan salah satu fitur visual yang
digunakan dalam
Content Based Image Retrieval
CBIR. Warna sangat baik jika digunakan untuk temu kembali citra karena memiliki hubungan yang sangat kuat
dengan objek dalam sebuah citra dan melatarbelakangi gabungan
background
, skala, orientasi, perspektif dan ukuran suatu citra. Bentuk dapat didefenisikan sebagai
gambaran dari suatu objek dalam posisi, orientasi, dan ukuran. Fitur bentuk dalam suatu citra sangat esensial untuk segmentasi citra karena dapat mendeteksi objek atau
batas wilayah. Sedangkan tekstur merupakan fitur citra yang sangat menarik digunakan untuk menentukan karakterisasi suatu citra dengan aplikasi CBIR. Hal ini
dikarenakan, tekstur mengandung informasi penting mengenai susunan struktur permukaan suatu citra.
Universitas Sumatera Utara
10
2.2.1 Ekstraksi Fitur Bentuk
Bentuk merupakan salah satu fitur citra yang dapat digunakan untuk mendeteksi objek atau batas wilayah. Proses mendapatkan nilai fitur bentuk dapat
dimulai dengan konversi citra RGB menjadi citra grayscale. Hal ini berfungsi untuk mendapatkan nilai warna yang lebih sederhana. Dimana warna
grayscale
hanya mempunyai intensitas warna 0
– 255 untuk setiap pikselnya. Proses yang digunakan untuk mendapatkan citra
grayscale
dilakukan dengan mencari nilai rata-rata dari total nilai RGB. Persamaan yang digunakan untuk mendapatkan nilai
grayscale
dapat dilihat pada persamaan berikut.
G =
r+g+b 3
............................................... 2.1 Dimana G merupakan nilai
grayscale
, r merupakan nilai
red
setiap piksel, g merupakan nilai
green
pada setiap piksel dan b merupakan nilai
blue
pada setiap piksel. Setelah nilai
grayscale
ditemukan maka dilakukan deteksi tepi. Deteksi tepi pada suatu citra adalah suatu proses yang menghasilkan tepi dari objek citra yang
membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda. Proses deteksi tepi ini dilakukan sebelum proses ekstraksi fitur bentuk untuk
meningkatkan penampakan garis batas suatu daerah atau objek didalam citra dan mendapatkan bentuk dasar citra.
Metode untuk deteksi tepi yang digunakan pada penelitian ini adalah Operator Sobel. Operator Sobel menggunakan dua buah matriks konvolusi berukuran
3x3, dimana matriks konvolusi pertama digunakan untuk menentukan gradien pada arah sumbu x dan matriks konvolusi kedua digunakan untuk menentukan gradien pada
arah sumbu y. Hasil konvolusi pada arah sumbu x terhadap citra
grayscale
dinyatakan dengan G
x
dan hasil konvolusi pada arah sumbu y terhadap citra
grayscale
dinyatakan dengan G
y
. Hasil Operator Sobel merupakan magnitudo dari gradien yang dapat dihitung
dengan persamaan 2.4 atau persamaan 2.5. Sebuah piksel akan dianggap sebagai tepi bernilai 1 jika nilai magnitudonya lebih besar dari nilai
threshold
yang ditetapkan.
Universitas Sumatera Utara
11
Teknik
threshold
yang digunakan adalah
Single Global Threshold
, dimana segmentasi dilakukan dengan cara mendeteksi citra piksel per piksel dan melabelkan tiap piksel
sebagai objek atau
background
tergantung pada tingkat keabuan dari piksel tersebut. Selanjutnya dilakukan ekstraksi fitur bentuk menggunakan metode Integral Proyeksi.
Integral Proyeksi adalah suatu metode yang digunakan untuk mendeteksi batas dari daerah citra. Integral proyeksi disebut juga dengan integral baris dan kolom dari
piksel, karena integral proyeksi dilakukan dengan cara menjumlahkan piksel per baris dan piksel per kolom. Nilai integral proyeksi dapat dihitung menggunakan persamaan
berikut. h
j = xi,j
N baris i=1
........................................ 2.2 h
i = xi,j
N kolom j=1
....................................... 2.3 Hasil perhitungan Integral Proyeksi akan disusun dalam bentuk vektor
sebagai defenisi fitur bentuk citra yang diamati. Cara yang sama dilakukan pada setiap citra dan kemudian vektor fitur bentuk dari setiap citra disimpan dalam
database.
2.2.2 Ekstraksi Fitur Warna
Warna yang terlihat adalah spektrum cahaya yang dipantulkan oleh benda yang kemudian ditangkap oleh indra penglihatan mata lalu diterjemahkan oleh otak sebagai
sebuah warna tertentu. Gonzales,
et al
2004 menyampaikan beberapa model warna yang dikenal di dalam pengolahan citra, yakni NTSC, YIQ, RGB, YCbCr, HSV,
CMY, CMYK, HSI. Ruang warna
National Television Systems Committee
NTSC digunakan pada televisi. Keuntungan format ini adalah informasi tingkat keabuan
dipisahkan dari data warna, sehingga sinyal yang sama dapat digunakan untuk televisi monokrom dan berwarna. Dalam format NTSC, data citra terdiri dari tiga komponen
yakni
luma
Y,
in-phase
I dan
quadrature
Q. Selanjutnya, model warna RGB digunakan pada monitor yang terdiri dari warna merah
red
, hijau
green
dan biru
blue
. Ketiga warna ini disebut sebagai warna primer.
Universitas Sumatera Utara
12
Ruang warna YCbCr digunakan secara luas di dalam
video digital
. Dalam format ini, informasi
luminance
direpresentasikan dengan komponen Y dan informasi warna disimpan sebagai komponen
color-difference,
Cb dan Cr. Komponen Cb merupakan perbedaan antara komponen biru dengan sebuah nilai referensi. Komponen
Cr merupakan perbedaan komponen merah dengan sebuah nilai referensi. Model warna HSV merupakan model warna yang mendefinisikan warna berdasarkan
terminologi
Hue
,
Saturation
dan
Value
.
Hue
digunakan untuk membedakan warna- warna dan menentukan kemerahan
redness
, kehijauan
greenness
dari cahaya.
Saturation
menyatakan tingkat kemurnian suatu warna dan
Value
menyatakan banyaknya cahaya yang diterima mata tanpa memperdulikan warna Rakhmawati,
2013. Ruang warna CMY
merupakan singkatan dari
Cyan
,
Magenta
dan
Yellow
. Warna CMY biasanya digunakan untuk percetakan, warna CMY
pada dasarnya masih memantulkan sedikit warna
– warna RGB
.
Warna
Cyan
memantulkan warna
Red
, warna
Magenta
memantulkan warna
Green
dan warna
Yellow
memantulkan warna
Blue
. Sebagian gelombang cahaya yang tidak diinginkan terkadang masih dipantulkan sehingga menyebabkan kesalahan warna. Pantulan yang tidak diinginkan disebut
hue error
. Untuk menyiasatinya maka ditambahkan warna
black
yang disebut
key
dalam warna CMYK agar tiap komponen warna menjadi lebih pekat dan tidak memantulkan
hue error
tersebut. Model warna RGB dan CMY
sangat cocok untuk implementasi perangkat keras, namun keduanya tidak cocok untuk mendeskripsikan warna berdasarkan
interpretasi manusia. Ruang warna HSI
Hue, Saturation, Intensity
menghasilkan warna yang lebih natural dibandingkan RGB
dan CMY. Pada penelitian ini digunakan ruang warna HSV untuk ekstraksi fitur warna,
hal ini disebabkan ruang warna HSV dapat memilah warna dalam citra seperti penglihatan mata manusia sehingga dapat mengenali warna citra dengan baik. Proses
untuk mendapatkan nilai fitur warna dapat dimulai dengan konversi citra RGB menjadi citra HSV. Persamaan untuk melakukan konversi citra RGB
menjadi citra HSV dapat dihitung menggunakan persamaan 2.9. sampai dengan persamaan 2.11.
Universitas Sumatera Utara
13
Sebelum melakukan konversi RGB ke HSV diperlukan normalisasi RGB terlebih dahulu dengan persamaan 2.6 sampai dengan persamaan 2.8. Setelah nilai
normalisasi RGB selesai, maka dapat dilakukan konversi citra RGB menjadi citra HSV.
Informasi penting mengenai konten citra dapat diketahui dengan membuat histogram citra. Histogram citra adalah grafik yang menggambarkan penyebaran nilai-
nilai intensitas piksel dari suatu atau bagian tertentu di dalam citra. Dari sebuah histogram dapat diketahui frekuensi kemunculan nisbi dari intensitas pada citra
tersebut. Histogram juga dapat menunjukkan banyak hal tentang kecerahan
brightness
dan kontras dari sebuah citra. Jika digambarkan pada koordinat kartesian maka sumbu X absis histogram
menunjukkan tingkat warna dan sumbu Y ordinat histogram menunjukkan frekuensi kemunculan. Histogram warna sangat efektif mengkarakterisasikan distribusi global
dari warna dalam sebuah citra Sutoyo, 2009. Ekstraksi fitur warna dilakukan dengan menggunakan histogram warna
konvensional. Ruang warna yang digunakan adalah ruang warna HSV
hue, saturation, value
. Proses untuk mendapatkan nilai fitur warna dimulai dengan konversi warna RGB ke HSV menggunakan persamaan 2.9 sampai dengan persamaan 2.11. Pada
proses komputasi kemungkinan kombinasi warna yang besar akan menghabiskan banyak waktu
time consuming
. Masalah tersebut dapat diatasi dengan kuantisasi warna
color quantization
, yaitu suatu prosedur untuk mengurangi kemungkinan jumlah warna. Dengan cara ini jumlah warna yang besar dapat dikurangi, sehingga
proses yang dilakukan semakin mudah. Pada penelitian ini, komponen
hue
dikuantisasi menjadi 18 bagian,
saturation
dikuantisasi menjadi 3 bagian dan
value
dikuantisasi menjadi 3 bagian. Kombinasi dari seluruh komponen warna HSV sebanyak 162 bagian dimana tiap kombinasi
kuantisasi warna disimpan sebagai elemen vektor fitur. Tiap elemen vektor fitur disebut
bin
.
Universitas Sumatera Utara
14
Setelah dilakukan kuantisasi warna maka dilakukan normalisasi histogram agar citra yang memiliki kesamaan distribusi warna dengan ukuran citra yang berbeda
tetap memiliki histogram yang sama. Hasil kuantisasi dinormalisasi dalam rentang nilai 0 sampai 1.
Hasil proses normalisasi akan disusun dalam bentuk vektor sebagai defenisi fitur warna citra yang diamati. Histogram yang diperoleh disebut histogram HSV-162
bin. Nilai elemen histogram menyatakan normalisasi jumlah piksel citra yang masuk ke dalam bin yang sesuai. Histogram HSV-162 bin merepresentasikan vektor fitur
warna citra. Cara yang sama dilakukan pada setiap citra dan kemudian vektor fitur citra dari setiap citra disimpan dalam
database
.
2.3 Operator Sobel